课程实验大纲如下：后面会详细说明车道识别、相机标定、坐标转换和控制算法。
📘 《车道保持控制（Lane Keeping）》
一、课程基本信息
- 课程名称：自动驾驶技术 / 计算机控制系统应用
- 课时：4~6学时（建议2次课+1次实验）
- 教学对象：本科三年级（已学信号处理/控制基础）
- 实验平台：MATLAB + USB相机 + Arduino小车
二、教学目标（必须明确）
1️ ⃣ 知识目标
学生掌握：
- 相机成像模型（内参/外参）
- 车道线检测基本算法
- 图像坐标 → 车辆坐标转换
- 车道保持控制原理（Stanley / Pure Pursuit）
2️ ⃣ 能力目标
学生能够：
- 完成相机标定
- 实现车道线识别（MATLAB）
- 设计简单车道保持控制器
- 控制小车沿车道行驶
3️ ⃣ 工程目标
实现完整闭环：
📷 相机 → 🧠算法 → 🎯控制 → 🚗执行
三、课程整体结构（课堂逻辑）
👉 "看见车道 → 理解位置 → 计算偏差 → 控制方向"
四、第一部分：相机标定（核心基础）
4.1 为什么必须标定？
👉 图像 ≠ 真实世界
问题：
- 图像是透视的
- 存在畸变
- 尺度不一致
📌 结论：
必须获取：
- 内参（焦距、主点）
- 外参（位置、姿态）
4.2 相机畸变
两类：
- 径向畸变（桶形/枕形）
- 切向畸变
👉 MATLAB函数：
undistortedImage = undistortImage(I, cameraParams);
4.3 MATLAB 标定流程（实验重点）
步骤：
1️⃣ 拍摄棋盘格（10~20张）
2️⃣ 打开 Camera Calibrator
3️⃣ 输入格子尺寸
4️⃣ 自动提取角点
5️⃣ 计算参数
👉 注意（考试点）：
- 分辨率必须一致
- 覆盖不同角度
- 棋盘至少占20%画面
五、第二部分：坐标变换（核心难点）
5.1 为什么要坐标转换？
👉 图像偏差 ≠ 真实偏差
5.2 三个坐标系
- 图像坐标 (u, v)
- 相机坐标 (Xc, Yc, Zc)
- 车辆坐标 (X, Z)
5.3 关键思想（教学重点）
👉 假设：地面是平面
👉 可求解：
- 横向偏差
- 航向角
5.4 工程简化（建议课堂用）
👉 方法1（推荐）：
- 相机装在车头中心
- 忽略外参
👉 方法2：
- 标定棋盘格直接得到外参
六、第三部分：车道线识别（视觉核心）
6.1 基本流程（必须讲清）
灰度化
- 边缘检测
- ROI区域提取
- Hough变换
- 后处理
6.2 边缘检测（Canny）
edge_img = edge(gray,'canny',[0.3,0.4]);
6.3 ROI 区域（关键工程技巧）
bw = roipoly(img, x, y);
👉 作用：
- 去掉天空/干扰
- 只保留道路区域
6.4 Hough 直线检测（核心）
👉 本质：
图像空间：
y = mx + b
Hough空间：
一个点 → 一条线
👉 MATLAB实现：
H,T,R\] = hough(BW); P = houghpeaks(H,3); lines = houghlines(BW,T,R,P); **6.5** **后处理（工程关键）** 👉 必须讲： * 左右车道分离 * polyfit拟合 * 滤波稳定 **七、第四部分：复杂环境问题（重点加分）** **7.1** **阳光影响（必讲）** 问题： * 过曝 * 阴影 * 反光 **解决方法：** 1️⃣ HSV颜色空间 2️⃣ 自适应阈值 3️⃣ Gamma校正 **7.2** **异常车道（工程重点）** 问题： * 虚线 * 遮挡 * 错误识别（瓷砖等） **解决策略：** **方法1：时间滤波（推荐）** 当前帧 + 上一帧融合 **方法2：模型约束** * 左右车道应平行 * 宽度固定 **方法3：Kalman滤波（进阶）** **八、第五部分：车道保持控制算法（核心）** **8.1** **控制目标** 👉 让车辆沿车道中心行驶 **8.2** **两个关键量** 1. 横向偏差 e 2. 航向误差 θ **⭐** **8.3 Stanley** **控制（重点讲）** 控制律：  **物理意义：** * θ → 方向纠正 * e → 偏移纠正 👉 必须强调： ⚠️ 只用角度会失败！ **8.4 Pure Pursuit** **（对比讲）** 核心： 👉 "追一个前方点"  **8.5** **两种方法对比** |--------------|--------|--------| | **方法** | **优点** | **缺点** | | Stanley | 稳定 | 低速震荡 | | Pure Pursuit | 平滑 | 偏差大 | **九、第六部分：完整车道保持算法（课堂用）** **⭐** **推荐教学算法** 👉 适合本科生： **Step 1** **：读取相机** cam = webcam; img = snapshot(cam); **Step 2** **：车道检测** * 灰度 * 边缘 * Hough **Step 3** **：提取车道中心** **Step 4** **：计算偏差** **Step 5** **：控制输出** steer = -k1\*theta - k2\*e; **十、实验设计（必须有）** **实验1：相机标定** 输出： * cameraParams **实验2：车道检测** 输出： * 左右车道线 **实验3：控制小车** 实现： * 自动循迹 **十一、MATLAB完整示例（核心）** img = snapshot(cam); gray = rgb2gray(img); edge_img = edge(gray,'canny',\[0.3,0.4\]); \[H,T,R\] = hough(edge_img); P = houghpeaks(H,2); lines = houghlines(edge_img,T,R,P); % 简化控制 theta = ...; e = ...; steer = -0.5\*theta - 0.2\*e; **十二、课堂总结** 👉 车道保持 = 感知 + 建模 + 控制 **三层理解：** 1️⃣ 看见车道（视觉） 2️⃣ 理解位置（几何） 3️⃣ 控制车辆（控制） **十三、拓展（自学习）** * 深度学习车道检测（YOLO） * BEV（鸟瞰变换） * 自动驾驶系统架构